基于深度强化学习的无地图导航好奇心驱动探索
机器人学
2018-05-15 v2 人工智能
机器学习
摘要
本文研究深度强化学习（DRL）方法的探索策略以学习移动机器人的导航策略。具体而言，我们用由好奇心度量的内在奖励信号来增强训练DRL算法的常规外部奖励。我们在无地图导航设定中测试了我们的方法，其中自主智能体被要求在无环境占据地图的情况下导航至目标，而目标相对位置可通过低成本方案（如可见光定位、Wi-Fi信号定位）轻易获取。我们证实了内在动机对于提升DRL在具有挑战性探索需求任务中的性能至关重要。实验结果表明，我们所提方法能更有效地学习导航策略，并在先前未见过的环境中具有更好的泛化能力。我们的实验结果视频可在 https://goo.gl/pWbpcF 查看。
引用
@article{arxiv.1804.00456,
title = {Curiosity-driven Exploration for Mapless Navigation with Deep Reinforcement Learning},
author = {Oleksii Zhelo and Jingwei Zhang and Lei Tai and Ming Liu and Wolfram Burgard},
journal= {arXiv preprint arXiv:1804.00456},
year = {2018}
}
备注
5 pages, 4 figures; to be published in MLPC 2018